UniversidaddeCádiz

Programas Docentes de Asignaturas

Asignatura: 21714028 | APRENDIZAJE COMPUTACIONAL

Titulación: 1725 | GRADO EN INGENIERÍA INFORMÁTICA

Centro: 17 | ESCUELA SUPERIOR DE INGENIERÍA

Departamento: C137 | INGENIERIA INFORMATICA

Área: 075 | CIENCIA DE LA COMPUTACION E INTELIGENCIA ARTIF.

Compartidas:

Tipo estudio: GRADO

Ofertada: SÍ

Vigencia: VIGENTE

Créd. Teoría: 3,00

Créd. Prácticas: 4,50

Créd. ECTS: 6,00

Tipo asignatura: OPTATIVA

Módulo: MODULO IIIA - TECNOLOGÍA ESPECÍFICA COMPUTACIÓN

Materia: MATERIA IIIA.3 SISTEMAS INTELIGENTES

Matriculados 2024-25: 15

Matriculados 2025-26: 18

Duración: PRIMER SEMESTRE

Curso: 3, 4

Idioma: CASTELLANO

Mostrar información

Primer apellido	Segundo apellido	Nombre	Categoría/Empresa	Coordinación
PIZARRO	JUNQUERA	JOAQUIN	PROFESOR TITULAR UNIVERSIDAD

Resultado formación y aprendizaje	Competencia
Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad. Capacidad para saber comunicar y transmitir los conocimientos, habilidades y destrezas de la profesión de Ingeniero Técnico en Informática.	GENERAL
Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.	ESPECÍFICA
Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía	GENERAL

ID/Orden	Resultado
1	Ser capaz de conocer los fundamentos, paradigmas y técnicas propias de los Sistemas Inteligentes
2	Ser capaz de conocer y desarrollar técnicas de Aprendizaje Computacional
3	Ser capaz de diseñar e implementar aplicaciones y sistemas que utilicen las técnicas de Aprendizaje Computacional, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos
4	Se capaz de adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación

Código	Descripción	Horas	Detalle
01	Teoría	24	Modalidad Organizativa: Clases teóricas y prácticas de Aula. Métodos de Ensañanza-Aprendizaje: Método expositivo/lección magistral y resolución de ejercicios y problemas.
03	Prácticas de informática	36	Modalidad Organizativa: Clases prácticas Método de Ensañanza-Aprendizaje: Aprendizaje basado en problemas. En el contexto de esta modalidad organizativa y mediante el método de aprendizaje, indicado se impartirán las unidades prácticas correspondientes a los contenidos de la asignatura. Se propondrán una serie de ejercicios prácticos sobre el diseño de algoritmos y programación de éstos, lo cuales deberán ser realizados por los alumnos durante las sesiones prácticas.
10	Actividades formativas no presenciales	86	Estudio individual o en grupo sobre los contendios de la materia. Actividades académicas dirigidas no presenciales coordinadas. Desarrollo coordinado de aplicaciones informáticas aplicadas a un problema específico relacionado con el Aprendizaje Computacional.
12	Actividades de evaluación	4	Realización del examen final

ID/Orden	Tarea/Actividad	Medios, técnicas e instrumentos	Ponderación
1	Realización de prácticas y trabajos en aulas de informática.	Entrega y/o defensa de ejercicios prácticos sobre Aprendizaje.	50
2	Examen final	Pruebas escritas de acreditación de las competencias	50

ID/Orden	Tema	Descripción
1	Contenidos Teóricos. 1 Concepto de Aprendizaje 1-1 Introducción 1-2 Estrategias de Aprendizaje 2 Aprendizaje Inductivo 2-1 Concepto 2-2 Riesgo de Predicción 2-3 Máquina de Aprendizaje 2-4 Aprendizaje en Regresión 2-5 Dilema Bias-Variaza 3 Control de la Complejidad 3-1 Selección de Modelos 3-2 Métodos de Penalización 3-3 Métodos de Remuestreo 3-4 Combinación de Modelos 4 Aprendizaje Supervisado con RRNN 4-1 Introducción a las RRNN 4-2 Perceptrón y Adaline 4-3 Redes de Base Radial 4-4 Backpropagación 5 Aprendizaje No supervisado con RRNN 5-1 Redes Recurrentes 5-2 Redes Auto-organizativas 6 Aprendizaje Profundo 6-1 Redes Convolucionales. 6-2 Clasificación de imágenes 6.3 Segmentación Semántica 6-4 Detección de Objetos 6-5 Otros modelos de redes: GAN, LSTM, etc
2	Contenidos Prácticos Resolución de problemas prácticos sobre Aprendizaje por medio de un lenguaje de programación.